Virtual robot driven by a self-taught agent for protein folding simulation /
Ulloa Bonilla, Bryan Mauricio
Virtual robot driven by a self-taught agent for protein folding simulation / Bryan Mauricio Ulloa Bonilla, tutor Tito Rolando Armas Andrade - 77 hojas : ilustraciones (algunas a color) ; 30 cm + 1 CD-ROM
Trabajo de integración curricular
Incluye referencias bibliográficas (páginas 47-52)
Trabajo de integración curricular con acceso abierto
Texto (Hypertexto links)
Actualmente la inteligencia artificial (IA) ha tomado un papel fundamental en muchos campos de la investigación científica. La IA ha demostrado ser útil para desarrollar potentes algoritmos para el control y montaje de sistemas robóticos complejos basados en redes neuronales, en particular en la creación de agentes auto motivados capaces de explorar nuevas soluciones en entornos electromecánicos arbitrariamente complejos. Este proyecto propone el estudio y mejora de un robot virtual multiarticular impulsado por un agente neuronal auto motivado, capaz de aprender por sí mismo políticas eficientes de plegamiento de proteínas. El robot representa una cadena peptídica perteneciente a la proteína hemaglutinina-esterasa (HEs) del coronavirus humano, y el agente asociado adquiere mediante aprendizaje por refuerzo la capacidad de plegarse en una forma 3D que imita la estructura de dicha proteína. Este conocimiento podría ser muy importante en la fabricación de fármacos que contrarresten la infección por virus. En la fase operativa del proyecto, el agente neuronal se complementará con redes neuronales que respaldan su memoria de plegamiento de proteínas. Estas redes neuronales se entrenan con miras a los principios futuros requeridas por la ecuación de Bellman. El objetivo final es crear un robot inteligente de plegamiento de proteínas con capacidad para resolver una sección seleccionada de la proteína HEs.
Textos en inglés con resúmenes en español e inglés
Plegamiento de proteínas
Redes Neuronales
Aprendizaje profundo
Protein folding
Deep Neuronal Networks
Deep reinforcement learning
Tecnologías de la Información--Trabajos y disertaciones académicas
Virtual robot driven by a self-taught agent for protein folding simulation / Bryan Mauricio Ulloa Bonilla, tutor Tito Rolando Armas Andrade - 77 hojas : ilustraciones (algunas a color) ; 30 cm + 1 CD-ROM
Trabajo de integración curricular
Incluye referencias bibliográficas (páginas 47-52)
Trabajo de integración curricular con acceso abierto
Texto (Hypertexto links)
Actualmente la inteligencia artificial (IA) ha tomado un papel fundamental en muchos campos de la investigación científica. La IA ha demostrado ser útil para desarrollar potentes algoritmos para el control y montaje de sistemas robóticos complejos basados en redes neuronales, en particular en la creación de agentes auto motivados capaces de explorar nuevas soluciones en entornos electromecánicos arbitrariamente complejos. Este proyecto propone el estudio y mejora de un robot virtual multiarticular impulsado por un agente neuronal auto motivado, capaz de aprender por sí mismo políticas eficientes de plegamiento de proteínas. El robot representa una cadena peptídica perteneciente a la proteína hemaglutinina-esterasa (HEs) del coronavirus humano, y el agente asociado adquiere mediante aprendizaje por refuerzo la capacidad de plegarse en una forma 3D que imita la estructura de dicha proteína. Este conocimiento podría ser muy importante en la fabricación de fármacos que contrarresten la infección por virus. En la fase operativa del proyecto, el agente neuronal se complementará con redes neuronales que respaldan su memoria de plegamiento de proteínas. Estas redes neuronales se entrenan con miras a los principios futuros requeridas por la ecuación de Bellman. El objetivo final es crear un robot inteligente de plegamiento de proteínas con capacidad para resolver una sección seleccionada de la proteína HEs.
Textos en inglés con resúmenes en español e inglés
Plegamiento de proteínas
Redes Neuronales
Aprendizaje profundo
Protein folding
Deep Neuronal Networks
Deep reinforcement learning
Tecnologías de la Información--Trabajos y disertaciones académicas